数理生物学演習

全文

(1)数理生物学演習第8回. 疫学モデル岩波翔也（Iwanami, Shoya） 🏠 https://shoyaiwanami.com システム生命科学府数理生物学研究室資料は https://koji.noshita.net.

(2) 第8回：疫学モデル本日の目標. • SIRモデルの解析 • 基本再生産数 • ウイルス感染動態のモデルを知る.

(3) Kermack-McKendricのSIRモデル仮定 • 人々を感受性(susceptible, S)，感染性(infectious, I)，回復・隔離 (recovered/removed, R)の３状態のいずれかにある • 感染症は感染している人と未感染の人が接触したとき，ある確率でうつる. • 感染から回復すると免疫をもち，再び感染することはない • 移入・移出，出生・死亡などによる“人口の増減”はない感受性 S 今後感染しうる人. 感染感染性 I 現在感染しており，他者を感染させうる人. β: 伝達係数 γ: 回復率・隔離率. 回復・隔離回復・隔離 R 一度感染し，その後回復/隔離され，今後感染せず，また他者を感染させることもない人. “人口の増減なし” とすると.

(4) 基本再生産数 • １人の感染者が，感染期間中に再生産する２次感染者の期待値のこと • 基本再生産数を r0 とすれば，もし r0>1 ならば感染症の流行が起こる SIRモデルを仮定して，感染初期について基本再生産数を考えてみる初期条件を I(0)=I0, S(0)=S0, R(0)=R0 とする．感染症が出現したごく初期において全人口のほとんどは感受性Sで占められているとすれば，感染性Iのダイナミクスは. 整理するとつまり，この左辺が基本再生産数 r0 ．別の表現もできる．例えば，γは回復・隔離率なので逆数T=1/γは回復・隔離までの期間の期待値になる．これを使って書き直すと. となる．これを解くと. ただし，よって，λ0 > 0 の場合に感染症の流行が起こる．. となる． λ0とTは実際のデータから推定しやすいケースが多いので，便利かも知れない．.

(5) 最終規模方程式（ﬁnal size equation）感染症の流行が起きた場合でも全ての人が罹患するるわけではなく、流行は自然に収束する. (S(0), I(0), R(0)) = (S0,0,0) として z=. R(∞) S0. 最終規模関係を考える dS(t) dt dI(t) dt dR(t) dt. と基本再生産数 r0 の. = − βS(t)I(t) = βS(t)I(t) − γI(t) = γI(t). 代入して基本再生産数の関数として、累積罹患者数R(∞)を計算すると以下のようになる。. 1 dR(t) I(t) = γ dt. dS(t) 1 d R(t) = − βS(t) dt γ dt 1 dS(t) β d R(t) =− S(t) dt γ dt. 累積罹患者数. 両辺を0からまで積分して β ln(S(∞)) − ln(S(0)) = − (R(∞) − R(0)) γ S(0) = S0, R(0) = 0,S(∞) = (1 − z)S0, R(∞) = zS0,. 最終規模方程式基本再生産数. βS0 = r0 γ. とすると. 1 − z = exp(−zr0).

(6) 実際にプログラムを組んでみよう！.

(7) 感受性 S 今後感染しうる人. 感染感染性 I 現在感染しており，他者を感染させうる人. 回復・隔離. β: 伝達係数 γ: 回復率・隔離率. 回復・隔離 R 一度感染し，その後回復/隔離され，今後感染せず，また他者を感染させることもない人. 初期値 I(0)=I0 S(0)=S0 R(0)=R0. 第3回・第4回の資料をもとにオイラー法で離散化して，プログラムを組んでみよう．完成したら，パラメータを様々に変化させてモデルの挙動を見てみましょう．.

(8) # SIRモデル beta = 0.002 gamma = 1 x0 = 1000 y0 = 1 z0 = 0 r0 = beta*x0/gamma print("基本再生産数は",r0,"です") dt = 0.01 t= 0 x = x0 y = y0 z = z0 xList = [x] yList = [y] zList = [z] tList = [t] for i in range(5000): t = dt*(i+1) xx = x + dt*(-beta*x*y) yy = y + dt*(beta*x*ygamma*y) zz = z + dt*(gamma*y) x = xx. y=yy z=zz tList.append(t) xList.append(x) yList.append(y) zList.append(z) plt.plot(tList, xList, color="#0000ff") plt.plot(tList, yList, color="#ff0000") plt.plot(tList, zList, color="#00ff00").

(9) # 流行を抑えるための介入 beta = 0.002 gamma = 1 x0 = 1000 y0 = 1 z0 = 0 r0 = beta*x0/gamma print("基本再生産数は",r0,"です") dt = 0.01 t= 0 x = x0 y = y0 z = z0 xList = [x] yList = [y] zList = [z] tList = [t] for i in range(5000): t = dt*(i+1) if t > 4: beta = 0.002*0.5 xx = x + dt*(-beta*x*y) yy = y + dt*(beta*x*ygamma*y). zz = z + dt*(gamma*y) x = xx y=yy z=zz tList.append(t) xList.append(x) yList.append(y) zList.append(z) plt.plot(tList, xList, color="#0000ff") plt.plot(tList, yList, color="#ff0000") plt.plot(tList, zList, color="#00ff00").

(10) 休憩.

(11) 研究の話.

(12) ウイルス感染の数理モデル dT(t) 感染. 未感染細胞. 感染細胞. dt dI(t) dt dV(t) dt. ウイルス. = λ − βT(t)V(t) − dT(t) = βT(t)V(t) − δI(t) = ρI(t) − rV(t). T(t): 未感染細胞数 I(t): 感染細胞数 V(t): ウイルス量.

(13) 別スライドへ.

(14) 本日の課題 1. 資料中のパラメータの値で、t > 4でβを半分に減らした時と減らさないときのSIRモデルを重ねてプロットし、総罹患者数の減少率を計算せよ。 2. 【緩め】介入の方法を変更し、総罹患者数の減少率を計算し、その介入の実際の意味を考察せよ。ハード. 3. R0>1の場合に解析的に導出される基本再生産数と，SIRモデルの数値計算から十分に時間が経った時の総罹患者数から導出される基本再生産数を比較する図を作成し、最終規模方程式が（ほぼ）正しいことを確かめよ． 4. 質問，意見，要望等をどうぞ．課題をノートブック（.ipynbファイル）にまとめて，Moodleにて提出することファイル名は[回数，01~15]̲[難易度，ノーマル nかハード h].ipynb．例．07̲n.ipynb.

(15) 本日の課題のヒント. 1.. 資料中の図を重ねてプロットします。十分時間が経った時のR( )を比較して、減少率を計算します。. 2.. 資料中ではβを半分にしていますが、他のパラメータを変えるような介入や、介入する時間を変えて計算してみてください。. 3.. 最終規模方程式をR0について解くと、十分な時間が経った時のR(t) （=z）からR0が計算できます。.

(16) 次回予告第９回７月６日.

(17)